Llama 3.2 Instruct 90B (Vision)

Llama 3.2 90Bは、視覚認識、画像推論、画像記述タスクに特化して最適化された大型マルチモーダル言語モデルです。このモデルは最大128,000トークンのコンテキスト長をサポートし、エッジデバイスやモバイルデバイスへのデプロイを想定して設計されており、画像理解と生成タスクにおいて最先端の性能を発揮します。